随着具身智能产业进入落地爆发期，真实场景下的高质量标注数据集，已经成为机器人操作算法迭代、强化学习训练的核心刚需。尤其是杂货打包这类涉及多形态物品识别、柔性抓取、力控调整的民用场景，长期缺乏标准化、全维度的采集数据集，直接制约了零售、仓储场景服务机器人的商业化落地速度。
nodogoro本次发布的数据集cell1_20260523_mohammed_groceries_packing_20260523_222224，是基于LeRobot框架创建的专用机器人数据集，专门面向机器人技术研发任务设计，于2026年5月24日首次上线HuggingFace平台开放获取。
据公开信息显示，该数据集基于starpilot_yam_gripper机器人类型采集，包含5个完整的杂货打包操作情节（episodes），总计3049帧标注数据，覆盖单任务全流程操作动作；数据采用parquet文件格式分块存储，总数据文件大小为100MB，配套视频文件大小为200MB，采集帧率为30fps，可直接适配主流机器人训练框架调用。
数据集的采集维度覆盖三大类核心数据：第一类为动作数据，包含14维控制信号，完整覆盖两个机械臂的位置、旋转和抓取宽度等控制参数；第二类为观测状态数据，包含32维传感器数据，涵盖编码器角度、IMU加速度和陀螺仪数据、姿态信息以及抓取器状态等实时运行参数；第三类为多视角视觉数据，包含左腕、右腕和基座摄像头的RGB图像和深度图像，分辨率分别为480x640和768x1024，可支撑多模态感知算法训练；此外还包含时间戳、帧索引、情节索引等标准化元数据，大幅降低研发人员的数据预处理成本。
该数据集可广泛适用于机器人控制算法、多模态感知算法、强化学习模型的研发训练，典型应用场景包括零售门店自动打包机器人的操作策略优化、仓储物流场景分拣装包环节的力控算法调试、多机械臂协同操作的策略训练等，将为杂货打包类场景的机器人商业化落地提供核心数据支撑，推动具身智能技术在民用消费场景的落地迭代。
查看cell1_20260523_mohammed_groceries_packing_20260523_222224
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)